基于多特征融合神经网络的串联电弧故障识别技术

作者：龙官微; 穆海宝^*; 张大宁; 李洋; 张冠军

来源：高电压技术, 2021, 47(02): 463-471.

DOI：10.13336/j.1003-6520.hve.20200336

• 串联电弧
• 故障识别
• 多特征融合
• 神经网络
• Adam算法

传统低压保护装置如低压断路器、熔断器等无法有效检测出由于接触不良、绝缘失效等导致的串联电弧故障,因此如何准确检测串联电弧故障成为目前研究的热点问题。为此,采用基于电流波形的检测方法展开深入研究,通过搭建电弧故障平台模拟串联电弧故障,获得了不同负载下正常和电弧故障的数据;然后在此基础上建立了多特征融合的神经网络算法,并利用mini-batch梯度下降、指数衰减的学习率和Adam的优化算法对模型进行了优化。研究结果表明:所提算法的查准率及查全率分别能达到98%和99%,相比于支持向量机和BP神经网络算法具有更高的识别率。研究为串联电弧故障识别提供了一种新的算法,对于该方向的研究拓展了新的思路。

• 单位
  电力设备电气绝缘国家重点实验室; 西安交通大学